예지 정비를 위한 기계류 설비 고장의 전조증상 데이터셋

국문 초록 (Abstract)

제조산업에서 설비의 결함으로 생산이 정지되는 것은 치명적인 문제이다. 따라서 미리 설비의 결함을 예측하여 선제적으로 정비하는 예지정비가 중요하다. 최근 머신러닝 및 딥러닝 기술의 발전으로 예지정비에 대한 연구 또한 활발한데, 이러한 머신러닝 및 딥러닝 기술의 성능은 데이터셋에 달려있다. 하지만 기존의 데이터셋에는 단순히 정상과 결함 상태만이 존재하여 결함과 정상 사이의 상태를 모의하고 있지는 않았다. 따라서 본 논문에서는 정상과 결함 사이의 신호를 담은 주의 상태의 데이터를 추가로 수집하여 데이터셋을 구축하고, 간단한 분류 실험을 진행하여 데이터의 실효성을 검증하였다. 본 논문에서 제안하는 전조증상 데이터셋은 사후가 아닌 사전에 조치를 수행하는 진정한 의미로서의 예지정비 시스템 구축에 기여할 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

In manufacturing, it is a fatal problem to stop production due to a failure of facilities. Therefore, it is important to predict defects in facilities in advance and proactively maintain them. With the recent development of machine learning and deep learning technologies, research on predictive maintenance is also becoming active, and the performance of machine learning and deep learning technologies varies depending on the dataset. However, the existing dataset simply exists in normal and defective states, and the state between defects and normal was not simulated. Therefore, in this paper, a dataset was constructed by collecting additional attention data containing signals between normal and defective, and a simple classification experiment was conducted to verify the effectiveness of the data. Using the Prognostic dataset proposed in this paper, it is expected to be able to move toward a true predictive maintenance system that performs actions in advance, not after an accident.

목차 (Table of Contents)

• 요약
• ABSTRACT
• Ⅰ. 서론
• Ⅱ. 관련 연구
• Ⅲ. 전조증상 데이터셋
• Ⅳ. 실험
• Ⅴ. 결론
• REFERENCES